n维复形上一类具有线性分式目标函数的规划问题

ｎ维复形上一类具有线性分式目标函数的规划问题郑汉鼎（山东大学教学系，济南２５０１Ｏ０）文献［１，２］已经研究了ｎ维复形上的规划问题，本文将讨论。维复形上具有线性分式目标函数的规划问题．问题Ⅰ给定一个ｎ维复形Ｋｎ和一个ｒ－１维边缘链，要找一个ｒ维链。使...     

n维复形上一类规划问题

文献[1]、[2]已经研究了n维复形上的规划问题.在实际问题中,有时会遇到一些流量的加权和有限制的运输问题,本文将讨论这一类新的规划问题。     

（M,N）树的几个判定定理

(m,n)树是图论中树的概念在n维复形上的推广。关于n维复形和它的(m,n)回路,(m,n)连通,(m,n)简单,纯n维复形,(m,n)树等概念见文献[3],[4]。 用a_k(K)表复形K中的k维单形个数。又记     

组合拓扑方法在图论和拟阵理论中的一些应用

本文介绍组合拓扑方法在图和拟阵中的一些应用。 一个简单图在任意给以定向后可以看成是一个一维复形,它是n维复形的一种特殊情况。文章先就n=1的情况,简要地介绍n维复形上的一些极值问题,说明图上作业法和奇偶点图上作业法怎样可以用组合拓扑方法统一起来加以处理;怎样可以从所给的一组循环基出发来求连通图的最小支撑树等。其次,介绍由一维循环群和边缘群分别引出的图上的多边形拟阵和割集拟阵,随后在介绍了n维抽象复形的概念以后,除了叙述n维复形上的极值问题以外,并就简单图,拟阵和n维复形间的一些基本的联系作了说明。举了应用例子,其中包括用配对复形来给出Ramsey数的另一定义,用二维链概念来引出一个与平面四色定理等价的命题等。     

复形上一类混合约束的多目标规划问题

探讨了ｎ维复形上一类具有混合约束的多目标规划问题，并运用代数拓扑方法得出这类规划问题的有效解。     

关于(m,n)-树的一个充分必要条件的推广

本文研究了n维复形上(m,n)-树的判定性质,并对(m,n)-树的-个充分必要条件进行了推广.     

(m,n)—树的计数公式

Beineke和 Pippert[1,2 ] 将树的概念推广到高维空间 ,后来 Dewdney[3] 又进一步把它推广到 n维复形上 ,得到了 (m,n) —树的概念 .本文在 n维复形领域 ,利用 (m,n) —树的图论特征和组合的方法 ,独立地得出了顶点标号的 (m,n)—树的计数公式 .     

关于Poincaré定理的注记

§1.引言命p,q,n是三个正整数,p+q=n,通常,从考虑n维定向组合同调流形K及其对偶复形K~＊的定向元素之相交指数出发,可以证明(见[2],467-483页).定理1.复形K的p维上同调群~PH~G(K)与复形K~＊的q维同调群~qH_G(K~＊)彼此同构.由于K和K~＊具有同一的重心重分K′,而同调群是重心重分的不变量,所以,从定理     

(m,n)-树的一个充分必要条件

<正> 一、(m,n)-树的定义及有关结果 图论中树的概念在Beineke与Pippert的研究中已推广到高维空间.后来Dewdney又进一步把它推广到n维复形上去,得出了(m,n)-树的概念.     

Moment-angle复形W_(k,d)轨道构型空间的欧拉示性数

给定方体的典范单纯剖分.将单纯复形K的重心充分K′逐片线性嵌入高维方体中,从而得到K对应的方体复形cub(K).由cub(K)的构造,计算了cub(K)的f-向量.cub(K)上可以定义moment-angle复形W_(K,d).将W_(K,d)放入轨道构型空间的框架中,得到轨道构型空间FG(W_(K,d),n).利用著名的Inclusion-exclsion原理和cub(K)的f-向量,计算出了轨道构型空间FG(W_(K,d),n)的欧拉示性数,并且给出了一种计算W_(K,d)欧拉示性数的新方法.     

解可分离约束双凹规划问题的一种外逼近方法[英文]

在本文中，我们提出了双凹规划问题和更一般的广义凹规划问题。我们给出了双凹规划问题的整体最优性条件，并构造了一个有限终止外逼近算法。     

一类广义半无限规划问题的一阶最优性条件

本文利用一个精确增广Lagrange函数研究了一类广义半无限极小极大规划问题。在一定的条件下将其转化为标准的半无限极小极大规划问题。研究了这两类问题的最优解和最优值之间的关系,利用这种关系和标准半无限极小极大规划问题的一阶最优性条件给出了这类广义半无限极小极大规划问题的一个新的一阶最优性条件。     

On continuous-time discounted stochastic dynamic programming

In this paper a continuous-time discounted dynamic programming problem in a Markov decision model is investigated. In many cases it is difficult to search directly for an optimal solution for such a programming problem. We introduce a Lagrangian-type programming problem associated with the original programming problem and show that, under some assumptions, a weak optimal solution exists for the Lagrangian problem. Moreover, we consider the original programming problem in the perturbed programming one and develop the Lagrangian duality.     

下层独立的一主多从双层随机线性规划问题研究

Herminia I.Calvete等研究了一主多从双层确定性线性规划问题,证明了这类问题等价于一类常规的双层线性规划问题.本文在此基础上,推广确定型的问题到随机型优化情况,考虑了一类下层优化相互独立的一主多从双层随机优化问题(SLBMFP).在特定的随机变量分布条件下,理论上证明了该类问题可以转化为一主一从双层确定性优化问题.本文的研究对于求解一主多从双层随机优化模型,解决此类模型在实际应用中的问题具有一定的意义.     

一些约束规划问题的近似全局最优解

首先将一个具有多个约束的规划问题转化为一个只有一个约束的规划问题,然后通过利用这个单约束的规划问题,对原来的多约束规划问题提出了一些凸化、凹化的方法,这样这些多约束的规划问题可以被转化为一些凹规划、反凸规划问题．最后,还证明了得到的凹规划和反凸规划的全局最优解就是原问题的近似全局最优解．     

一些类型的数学规划问题的全局最优解

本文对严格单调函数给出了几个凸化和凹化的方法，利用这些方法可将一个严格单调的规划问题转化为一个等价的标准D．C．规划或凹极小问题．本文还对只有一个严格单调的约束的非单调规划问题给出了目标函数的一个凸化和凹化方法，利用这些方法可将只有一个严格单调约束的非单调规划问题转化为一个等价的凹极小问题．再利用已有的关于D．C．规划和凹极小的算法，可以求得原问题的全局最优解．     

A trust region algorithm for solving bilevel programming problems

In this paper, we present a new trust region algorithm for a nonlinear bilevel programming problem by solving a series of its linear or quadratic approximation subproblems. For the nonlinear bilevel programming problem in which the lower level programming problem is a strongly convex programming problem with linear constraints, we show that each accumulation point of the iterative sequence produced by this algorithm is a stationary point of the bilevel programming problem.     

Using the parametric approach to solve the continuous-time linear fractional max–min problems

A numerical algorithm based on parametric approach is proposed in this paper to solve a class of continuous-time linear fractional max-min programming problems. We shall transform this original problem into a continuous-time non-fractional programming problem, which unfortunately happens to be a continuous-time nonlinear programming problem. In order to tackle this nonlinear problem, we propose the auxiliary problem that will be formulated as a parametric continuous-time linear programming problem. We also introduce a dual problem of this parametric continuous-time linear programming problem in which the weak duality theorem also holds true. We introduce the discrete approximation method to solve the primal and dual pair of parametric continuous-time linear programming problems by using the recurrence method. Finally, we provide two numerical examples to demonstrate the usefulness of this algorithm.     

Using the Dinkelbach-type algorithm to solve the continuous-time linear fractional programming problems

A Dinkelbach-type algorithm is proposed in this paper to solve a class of continuous-time linear fractional programming problems. We shall transform this original problem into a continuous-time non-fractional programming problem, which unfortunately happens to be a continuous-time nonlinear programming problem. In order to tackle this nonlinear problem, we propose the auxiliary problem that will be formulated as parametric continuous-time linear programming problem. We also introduce a dual problem of this parametric continuous-time linear programming problem in which the weak duality theorem also holds true. We introduce the discrete approximation method to solve the primal and dual pair of parametric continuous-time linear programming problems by using the recurrence method. Finally, we provide two numerical examples to demonstrate the usefulness of this practical algorithm.     

MONOTONIZATION IN GLOBAL OPTIMIZATION

A general monotonization method is proposed for converting a constrained programming problem with non-monotone objective function and monotone constraint functions into a monotone programming problem. An equivalent monotone programming problem with only inequality constraints is obtained via this monotonization method. Then the existing convexification and concavefication methods can be used to convert the monotone programming problem into an equivalent better-structured optimization problem.